14-02　小数→整数化→ビット削減・リミッタと進める（続き） ●Pythonの実行環境はAnaconda 　Jupyter Labを立ち上げ、lisa_float.pyを走らせます（学習に30分ほど、推論に数分かかる）。正解率は図14‐14のように97％台になりました（学習のたびに微妙に変わります）。 図14‐14 正解率97.457%（小数） ●まずは小数で学習→推論 　図14‐15のように「信号機認識用」の重み係数とバイアスのファイルが生成されています。これらの値は全て小数になっています。 図14-15　GTSRBと同じように6個の重みと6個のバイアスファイル ●整数化すると若干正解率が落ちる 　次は整数化したPython（lisa_int.py）を実行します（整数化の手法はGTSRBと同じ）。正解率は図4‐16のように96％台になりました（＊１）。 （＊１）w1〜6、b1〜6はこれを使うとよい。小数の時点で正解率の良い係数とバイアスを整数化する 図14-16　正解率96.574%（整数） ●回路規模削減のためのビット削減／リミッタ 　最後にビット数削減、リミッタ追加したPython（lisa_pred.py)を実行します。正解率は図4‐17のように95％台になりました。この状態でハード化を進めます。 図14-17　正解率95.798%（ビット削減／リミッタ） ●クラス7種×5枚づつ、計35枚表示 　プログラムの最後にテスト画像が35枚表示されます。そのうち2枚（図14‐18の赤線）が不正解です。 図14-18　左端1列目はgo, 2列目はgoFoward... と各クラス5枚づづ表示 ●以降の手順はGTSRBと同じ 　整数化された係数や画像ファイル（図14‐19）等を使ってEXCEL化→VBAでHDLを自動生成→HDLファイルを一部入れ替えてFPGAに実装、と進みます（＊２）。 （＊２）すんなり動けばOK、動かなければロジックアナライザや論理シミュレーションで確認します。 図14-19　Pythonが書き出したCSVをEXCELに貼り付ける 最初のページへ 目次へ戻る